1、内蒙古科技大学硕士学位论文冷轧及退火工艺对304不锈钢组织性能影响姓名：张献东申请学位级别：硕士专业：材料加工工程指导教师：麻永林20090601独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得内蒙古科技大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。签名：逝塑丕日期：鱼上!丝关于论文使用授权的说明本人完全了解内蒙古科技大学有关保留、使用学位论文的规定，即：学校有权保留送交论文
2、的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵循此规定)签名：速缸垂导师签名：内蒙古科技大学硕士学位论文1文献综述11不锈钢的生产概况111世界不锈钢的发展世界不锈钢工业化生产自1912年由克虏伯建立生产基础，由于不锈钢具有优良的品质和特征，因而应用范围越来越广，并且世界范围内不锈钢的生产和需求都一直呈现持续增长的趋势。从不锈钢生产的发展历史看，本世纪50年代起美国获得迅速发展，60年代，随着世界经济的复苏，欧洲的消费量在不断增加，70年代起同本的不锈钢产量超过美国居于世界第一，并一直保持下来，80年代以来，
3、亚洲地区的韩国和中国(包括台湾)的不锈钢生产也有了快速的发剧11。112我国不锈钢的发展2000年以来，我国不锈钢的消费量逐年快速增加，从2000年到2007年，我国不锈钢的消费增长率达18；同期我国不锈钢的生产发展极为迅速，平均每年的增长率达33；从而使我国不锈钢的自给率不断提高，2007年达到了756。我国不锈钢的需求从2001年表观消费量大2656万t，超过日本和美国，成为世界第一消费大国后，中国连续7年站在世界第一消费大国的位置，占世界总需求量的14，2007年我国人均不锈钢消费量已达到5kg左右，超过了世界人均消费水平。随着需求的不断增加，我国不锈钢的产量也在快速增长，2006年不锈
4、钢的粗钢产量达5306万t，成为世界第一；2007年不锈钢粗钢产量为7206万t，约占全球产量的26，继续保持世界第一的水平。到2007年我国己形成不锈钢生产能力约1200万t，其中先进产能约占70；形成了不锈钢冷轧能力约470万t，其中先进产量约80。随着新增不锈钢产能的逐步释放，我国不锈钢的产量将持续增长。我国不锈钢产能的迅速增长，已从根本上改变了世界不锈钢产业的格局，可以预见不久的将来，中国将由世界上最大的不锈钢净进口国转变为不锈钢净出口国【2】。目前我国不锈钢行业存在的主要问题有以下三个方面pJ：(1)生产工艺落后，产品质量较差，成本高。国外生产不锈钢板材已普遍三步法冶炼一连铸一连轧机
5、或炉卷轧机热轧一多辊冷轧工艺。而我国不锈钢生产存在着炉容小、精炼比低(30左右)，薄板生产厂家仍采用单张热轧、单张冷轧。从钢种分析，在188型铬镍不锈钢中，国外生产总量占含镍不锈钢的59，占不锈钢总产量的38。而我国仍在广泛使用国外已经淘汰的含镍铬不锈钢。内蒙古科技大学硕士学位论文(2)冷轧不锈钢生产能力不足，尤其是冷轧薄板更为突出。(3)目前，国外已用低碳和超低碳不锈钢取代了长期以来占统治地位的奥氏体Ti稳定化不锈钢，1Crl 8Ni9Ti已经从西方工业发达国家的标准中淘汰，而在我国1Crl8Ni9Ti仍为主要钢种。我国不锈钢在产量增加的同时，品种方面还需要调整建议在大力发展性价比更高的高氮
6、低镍不锈钢生产的同时，进一步增加铁素体不锈钢的产量及比例，而氮对低Ni不锈钢的性能影响以及钢的冶炼过程加氮的工艺问题有待研究。12冷轧不锈钢生产过程的质量控制一般中间厚度板(10,-2Omm)表面质量易控制，而薄板和厚板则较难保证。这是因为：薄料(O3o4ram)表面易产生异物质压入。厚板(253Omm)由于轧制时压下率偏低(50以下)，制品表面质量较差。产品从原料冷轧退火产品分割，各工序会产生各种各样的缺陷，一般各工序发生缺陷的比率约为：原料：5，轧制：45，退火：35，平整：lO，产品化：5，即轧制和退火是产生缺陷的主要工序，因此轧制和退火工序的质量管理最为重要瞵J。121轧制生产时的质量
7、控制轧制速度、轧制道次、压下率、轧制油、轧辊材质及表面精度等都会对钢带质量产生影响。(1)轧制速度轧制速度越高，轧后钢带表面粗糙度越大。同时，由于速度高，有时退火后材料表面会出现油斑，因此正常情况下，最后道次轧制速度应合理给定。(2)轧制道次轧制道次越多，钢带表面粗糙度越小，表面越光洁。(3)压下率压下率越大，冷轧后钢带表面粗糙度越小。考虑到设备力，压下率一般为4070。偏大的压下率会导致制品性能异向性，对深拉伸加工不利。所以深拉伸材一般需进行二次轧制、退火，每次的压下率大约为40-60。(4)乳化液乳化液的质量也影响钢材的表面质量，一般乳化液粘度越大，钢板表面粗糙度越大。因此应定期对乳化液进
8、行分析化验，定期更换，确保纯净。(5)工作辊内蒙古科技大学硕士学位论文不锈钢冷轧用工作辊一般为合金钢和高速钢辊，使用高速钢轧辊的产品表面粗糙度小于合金钢工作辊，所以BQ保证材及部分BA材需使用高速钢工作辊。工作辊表面粗度越小、越光洁，则钢板表面粗糙度越小，因此要求工作辊研磨机组状况良好，工作稳定。(6)冷轧时其它质量控制要点确定合理的换辊周期，对工作辊需细心研磨、检查，防止辊印。加入优质垫纸，*LN速度下降，防止油斑。二辊、三辊擦拭器定期维护，张力控制，防止摩擦痕。缩短钢卷冷轧后至退火前滞留时间，可防止污染。对于厚板，为防止钢板出现挚纸痕，一般冷轧时最后道次不加挚纸；薄板只在钢卷头尾部加挚纸【
9、13j。122退火生产时质量控制奥氏体不锈钢使用前通常在1050-1 150 0(2之间进行固溶退火，使析出的碳化物被重新固溶，然后快速冷却到室温。由于冷速较快，固溶的碳来不及与其它合金元素结合析出，以此提高其耐晶间腐蚀性能。连续退火生产线是整个不锈钢制造过程中极为重要的环节。下面就具体条件下影响产品质量的主要因素予以说明【1 41。(1)退火温度退火温度的设定随不锈钢钢种而异。304钢一般均热段温度为1 100。C(B带温度)左右，430钢为900左右。相对较高的温度可提高生产效率，但同时要求较高的运行速度，对设备要求较高。(2)氧浓度退火炉内剩余氧气的多少对氧化铁皮的组成有较大影响，从而影
10、响酸沈效果。资料表明：对于SUS304钢，剩余氧气浓度控制在354O时，氧化铁皮生成量最低。(3)退火速度和均热温度一样，设备能力不同，退火速度也不同。一般较高的退火温度需要较高的线速度。内蒙古科技人学硕+学位论文13合金元素对组织和性能的影响(1)铬是形成铁素体的元素，并具有良好的耐腐蚀性能，随着其含量的增加耐点腐蚀耐缝隙腐蚀性能提高。铬在不锈钢中的决定作用：决定不锈钢属性的元素只有一种，这就是铬，每种不锈钢都含有一定数量的铬。迄今为止，还没有不含铬的不锈钢。铬之所以成为决定不锈钢性能的主要元素，根本的原因是向钢中添加铬作为合金元素以后，促使其内部的矛盾运动向有利于抵抗腐蚀破坏的方面发展。这
11、种变化可以从以下方面得到说明：铬使铁基固溶体的电极电位提高。铬吸收铁的电子使铁钝化。钝化是由于阳极反应被阻止而引起金属与合金耐腐蚀性能被提高的现象。构成金属与合金钝化的理论很多，主要有薄膜论、吸附论及电子排列论。(2)镍形成并稳定奥氏体，使钢获得完全奥氏体组织。降低。相的形成倾向。增加碳化物的析出，抗高温氧化性增强。镍是优良的耐腐蚀材料，也是合金钢的重要合金化元素。镍在钢中是形成奥氏体的元素，但低碳镍钢要获得纯奥氏体组织，含镍量要达到24；而只有含镍27时才使钢在某些介质中的耐腐蚀性能显著改变。所以镍不能单独构成不锈钢。但是镍与铬同时存在于不锈钢中时，含镍的不锈钢却具有许多可贵的性能。基于上面
12、的情况可知，镍作为合金元素在不锈钢中的作用，在于它使高铬钢的组织发生变化，从而使不锈钢的耐腐蚀性能及工艺性能获得某些改善。(3)钼的作用仅次于铬，使钢更易获得铁素体，提高钢的耐蚀性，促进仅和。相特别是X相的析出。同时可以提高钢在还原性介质中的腐蚀性能。(4)碳和氮，在铁素体不锈钢中，使脆性转变温度提高，缺口敏感性增大，焊后耐腐蚀性下降，碳和氮在铁素体中，溶解度很低，在高温加热后冷却过程中有氮化物，碳化物和氮化物，氧化物析出导致韧性降低，脆性转变温度升高。在奥氏体中，碳是强烈形成，并稳定奥氏体，扩大奥氏体区的元素，形成奥氏体的能力为镍的30倍。氮代镍节约贵重金属镍，形成并稳定奥氏体，且扩大奥氏体
13、区，作用相当于碳，可以抑制碳化物的析出和形成。碳是工业用钢的主要元素之一，钢的性能与组织在很大程度上决定于碳在钢中的含量及其分布的形式，在不锈钢中碳的影响尤为显著。碳在不锈钢中对组织的影响主要表现在两方面，一方面碳是稳定奥氏体的元素，并且作用的程度很大(约为镍的30倍)，另一方面由于碳和铬的亲和力很大，与铬形成一系列复杂的碳化物。所以，从强度与耐腐蚀性能两方面来看，碳在不锈钢中的作用是互相矛盾的。(5)钛和铌是铁素体形成元素，其作用可以细化晶粒，提高耐晶问腐蚀性能。内蒙古科技大学硕士学位论文(6)铜是非常弱的奥氏体形成元素，少量的铜不产生重大的影响，主要是提高耐腐蚀性和冷加工成型性，特别是深冲
14、性，提高应力腐蚀敏感性。(7)锰是较弱的奥氏体形成元素，起到强烈的稳定奥氏体的作用。可以增加其强度性能，锰和硫有较强的亲和力。锰对于奥氏体的作用与镍相似。但说得确切一些，锰的作用不在于形成奥氏体，而是在于它降低钢的临界淬火速度，在冷却时增加奥氏体的稳定性，抑制奥氏体的分解，使高温下形成的奥氏体得以保持到常温。在提高钢的耐腐蚀性能方面，锰的作用不大，如钢中的含锰量从0到104变化，也不使钢在空气与酸中的耐腐蚀性能发生明显的改变。这是因为锰对提高铁基固溶体的电极电位的作用不大，形成的氧化膜的防护作用也很低，所以工业上虽有以锰合金化的奥氏体钢(如40Mnl8Cr4，50Mnl8Cr4WN、ZGMnl
15、3钢等)，但它们不能作为不锈钢使用。锰在钢中稳定奥氏体的作用约为镍的二分之一，即2的氮在钢中的作用也是稳定奥氏体，并且作用的程度比镍还要大。例如，欲使含18铬的钢在常温下获得奥氏体组织，以锰和氮代镍的低镍不锈钢与元镍的铬锰氮不诱钢，目前已在工业中获得应用，有的已成功地代替了经典的188铬镍不锈钢。(8)其他元素对不锈钢的性能和组织的影响不锈钢中还含有一些其他的元素。有的是和一般钢一样为常存杂质元素，如硅、硫、磷等。也有的是为了某些特定的目的而加入的，如钴、硼、硒、稀土元素等。从不锈钢的耐腐蚀性能这一主要性质来说，这些元素相对于已讨论的九种元素，都是非主要方面的，虽然如此，但也不能完全忽略，因为
16、它们对不锈钢的性能与组织同样也发生影响。硅是形成铁素体的元素，在一般不锈钢中为常存杂质元素。钴作为合金元素在钢中应用不多，这是因为钴的价格高及其在其它方面(如高速钢、硬质合金、钴基耐热合金磁钢或硬磁合金等)有着更重要的用途。在一般不锈钢中加钴作合金元素的也不多，常用不锈钢如9Crl7MoVCo钢(含1218钴)加钴，目的并不在于提高耐腐蚀性能而在于提高硬度，因为这种不锈钢的主要用途是制造切片机械刃具、剪刀及手术刀片等。硼：高铬铁素体不锈钢Crl7M02Ti钢中加O005硼，可使在沸腾的65醋酸中的耐腐蚀性能提高。加微量的硼(O0006-4)0007)可使奥氏体不锈钢的热态塑性改善。少量的硼由于
17、形成低熔点共晶体，使奥氏体钢焊接时产生热裂纹的倾向增大，但含有较多的硼(05o6)时，反而可防止热裂纹的产生。因为当含有O506的硼时，形成奥氏体一硼化物两相组织，使焊缝的熔点降低。熔池的凝固温度低于半溶化区时，母材在冷却时产生的张应力，由处于液固态的焊缝金属承受，此时是不致引内蒙古科技大学硕士学何论文起裂缝的，即使在近缝区形成了裂纹，也可以为处于液态一固念的熔池金属所填充。含硼的铬镍奥氏体不锈钢在原子能工业中有着特殊的用途。磷：在一般不锈钢中是杂质元素，但其在奥氏体不锈钢中的危害性不像在一般钢中那样显著，故含量可允许高一些，如有的资料提出可达O06，以利于冶炼控制。个别的含锰的奥氏体钢的含磷
18、量可达O06(如2Crl3NiMn9钢)以至O08(如Crl4Mnl4Ni钢)。利用磷对钢的强化作用，也有加磷作为时效硬化不锈钢的合金元素，PHl710P钢(含O25磷)乃PHHNM钢(含030磷)等。硫和硒：在一般不锈钢中也是常有杂质元素。但向不锈钢中加O204的硫，可提高不锈钢的切削性能，硒也具有同样的作用。硫和硒提高不锈钢的切削性能，是因为它们降低不锈钢的韧性，例如一般188铬镍不锈钢的冲击值可达30公斤平方厘米。含O31硫的188钢(0084C、1815Cr、925Ni)的冲击值为18公斤平方厘米；含022硒的188钢(0094C、184Cr、9Ni)的冲击值为324公斤平方厘米。硫与
19、硒均降低不锈钢的耐腐蚀性能，所以实际应用它们作为不锈钢的合金化元素是很少的。稀土元素：稀土元素应用于不锈钢中，目前主要在于改善工艺性能方面。如向Crl7Ti钢和Crl7M02Ti钢中加少量的稀土元素，可以消除钢锭中因氢气引起的气泡和减少钢坯中的裂纹。奥氏体和奥氏体一铁素体不锈钢中加00205的稀土元素(铈镧合金)，可显著改善锻造性能。曾有一种含195铬、23镍以及钼铜锰的奥氏体钢，由于热加工工艺性能在过去只能生产铸件，加稀土元素后则可轧制成各种实用型材【1 81。14用于不锈钢板材生产的12辊可逆式冷轧机141辊系组成12辊可逆式冷轧机是由日本三菱重工设计开发的用于轧制极薄带材的轧机，近几年才
20、被广泛用来轧制不锈钢板。由2片闭口式牌坊和上下横梁组成了机架。辊子按32。1分布上下对称布置，3组支承辊装在支承辊框架上、每组支承辊都由67个大背压轴承和芯轴装配成，可整体装入及拉出机架。上下中间辊也可整体装入及拉出机架，中间辊为主动。工作辊自由在机架内。当辊缝打开时上支承辊由平横缸托起，上中间辊由弯辊缸托起，上工作辊由换辊支架托起。设计了中间辊窜动机构，在轧钢时可使中间辊连续窜动，消除支承辊辊印在钢板表面上出现。机架内除了辊子外还有左右、上下穿带导板，导板上设计有若干喷油孔，轧制变形区的润滑油来自导板。主液压缸在机架内的下部，油缸产生的轧制力直接传递给下支承辊框架，完成轧钢的压下动作。油缸的
21、行程决定了辊系的开口度，这类轧机的开口度可达到250ram以上lJ引。内蒙古科技人学硕+学位论文142轧制线调整轧辊直径改变后需要对轧制线进行调整。该调整装置设在机架的上部，悬挂于上横梁。阶梯块的厚度一般设计为5ram或10ram，根掘辊子直径的大小来调整阶梯块具体位置。斜楔块主要是起微调作用，达到较高的轧制线调整精度。143板型控制机构板型控制手段有3种，即：机架整体倾斜、支承凸度调整和中问辊弯辊。每个上支承辊由7个轴承、3个偏心套、3组杠杆和1根芯轴组成。第2、4、6号轴承与偏心套及杠杆固定连接，杠杆摆动即可调整支承辊的压下量，从而实现对被轧钢板14浪和中浪的控制。传动侧和操作侧的上推缸可
22、以实现不同的位移，以实现机架的整体倾斜；在牌坊的窗口还有2组油缸用于中间辊的弯辊中间辊的弯辊改变了工作辊边部的受力分布，实现了边部板型的可控制【l。144主传动机构轧制扭拒由主马达驱动齿轮分配箱，分配箱输出4根主轴传递给4根中间辊。由于该类轧机下辊系的行程达250mm以上，所以中问辊传动轴采用的是十字万向节，并在齿轮分配箱的输出端安装了液力安全联轴器，防止轧钢过程中的超载。145轧机的主要特性该轧机的机架传统闭口式牌坊，应力线长，系统刚性一般。开口度大，可实现快速打开处理断带事故快。在厚度控制方面由于是直接压下所以动作向应快，控制精度高。在相同轧制力的情况下支承辊受力大，轧制力经框架传递给机架
23、，辊系调整简单，换辊快而方便，倾斜凸度加弯辊，板形控制能力强，特别是边部板形调整灵敏度高。主传动由于只有一层中间辊，四根传动轴间距小，传动轴强度提不高，而且运行安全性一般，易起火。由于机架内油缸多，运动部件多，在维护操作中有一定难度lI 7l。15Bp神经网络151神经网络研究的发展(1)第一次热潮(40-60年代未)1943年，美国心理学家WMcCulloch和数学家WPitts在提出了一个简单的神经元模型，即MP模型。1958年，FRosenblatt等研制出了感矢N(Perceptron)模型。(2)低潮(7080年代初)内蒙古科技大学硕士学位论文(3)第二次热潮1982年，美国物理学家
24、JJHopfield提出Hopfield模型，它是一个互联的非线性动力学网络，解决问题的方法是一种反复运算的动态过程，这是符号逻辑处理方法所不具备的性质。1987年首届国际ANN大会在圣地亚哥召丌，国际ANN联合会成立，创办了多种砧州国际刊物。1990年12月，北京召开首届学术会议【删。152神经网络简介人工神经网络也简称为神经网络或称作连接模型，是对人脑或自然神经网络(Natural Neural Network)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。国际著名的神经网络研究专家，第一家神经计算机公司的创立
25、者与领导人HechtNielsen给人工神经网络下的定义就是：“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入状态而进行相应信息处理。”这一定义是恰当的。人工神经网络的研究，可以追溯到1957年Rosenblatt提出的感知器模型。它几乎与人工智能同时起步，但30余年来却并未取得人工智能那样巨大的成功，中间经历了一段长时间的萧条。直到80年代，获得了关于人工神经网络切实可行的算法，以及以Von Neumann体系为依托的传统算法在知识处理方面日益显露出力不从心后，人们才重新对人工神经网络发生了兴趣，导致神经网络的复兴。目前在神经网络研究方法上已形成多个流派，最
26、富有成果的研究工作包括：多层网络BP算法，Hopfield网络模型，自适应共振理论，自组织特征映射理论等。人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但远不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。人工神经网络的以下几个突出的优点使它近年来引起人们的极大关注：(1)可以充分逼近任意复杂的非线性关系；(2)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性；(3)采用并行分布处理方法，使得快速进行大量运算成为可能：(4)可学习和自适应不知道或不确定的系统：(5)能够同时处理定量、定性知识。人工神经网络的特点和优越性，主要
27、表现在三个方面：第一，具有自学习功能。例如实现图像识别时，只要先把许多不同的图样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。内蒙古科技大学硕士学位论文第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。153人工神经网络的主要方向神经网络的
28、研究可以分为理论研究和应用研究两大方面。理论研究可分为以下两类：1)N用神经生理与认知科学研究人类思维以及智能机理。2)N用神经基础理论的研究成果，用数理方法探索功能更加完善、性能更加优越的神经网络模型，深入研究网络算法和性能，如：稳定性、收敛性、容错性、鲁棒性等；开发新的网络数理理论，如：神经网络动力学、非线性神经场等。应用研究可分为以下两类：1)神经网络的软件模拟和硬件实现的研究。2)神经网络在各个领域中应用的研究。这些领域主要包括：模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。 随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入【2 6|。
29、一般地，BP网络的输入变量即为待分析系统的内生变量(影响因子或自变量)数，一般根据专业知识确定。若输入变量较多，一般可通过主成份分析方法压减输入变量，也可根据剔除某一变量引起的系统误差与原系统误差的比值的大小来压减输入变量。输出变量即为系统待分析的外生变量(系统性能指标或因变量)，可以是一个，也可以是多个。一般将一个具有多个输出的网络模型转化为多个具有一个输出的网络模型效果会更好，训练也更方便。由于BP神经网络的隐层一般采用Sigmoid转换函数，为提高训练速度和灵敏性以及有效避开Sigmoid函数的饱和区，一般要求输入数据的值在01之间。因此，要对输入数据进行预处理。一般要求对不同变量分别进
30、行预处理，也可以对类似性质的变量进行统一的预处理。如果输出层节点也采用Sigmoid转换函数，输出变量也必须作相应的预处理，否则，输出变量也可以不做预处理。预处理的方法有多种多样，各文献采用的公式也不尽相同。但必须注意的是，预处理的数据经训练完成后，网络输出的结果要进行反变换才能得到实际值。再者，为保证建立的模型具有一定的外推能力，最好使数据预处理后的值在0208之间。一般认为，增加隐层数可以降低网络误差(也有文献认为不一定能有效降低)，提高精度，但也使网络复杂化，从而增加了网络的训练时间和出现“过拟合”的倾向【2”。Homik等早已证明：若输入层和输出层内蒙古科技大学硕十学位论文采用线性转换
31、函数，隐层采用Sigmoid转换函数，则含一个隐层的MLP网络能够以任意精度逼近任何有理函数。显然，这是一个存在性结论。在设计BP网络时可参考这一点，应优先考虑3层BP网络(即有1个隐层)。一般地，靠增加隐层节点数来获得较低的误差，其训练效果要比增加隐层数更容易实现。对于没有隐层的神经网络模型，实际上就是一个线性或非线性(取决于输出层采用线性或非线性转换函数型式)回归模型。因此，一般认为，应将不含隐层的网络模型归入回归分析中，技术已很成熟，没有必要在神经网络理论中再讨论之。一般认为，增加隐层数可以降低网络误差(也有文献认为不一定能有效降低)，提高精度，但也使网络复杂化，从而增加了网络的训练时间
32、和出现“过拟合”的倾向。Homik等早已证明：若输入层和输出层采用线性转换函数，隐层采用Sigmoid转换函数，则含一个隐层的MLP网络能够以任意精度逼近任何有理函数。显然，这是一个存在性结论。在设计BP网络时可参考这一点，应优先考虑3层BP网络(即有1个隐层)。一般地，靠增加隐层节点数来获得较低的误差，其训练效果要比增加隐层数更容易实现。对于没有隐层的神经网络模型，实际上就是一个线性或非线性(取决于输出层采用线性或非线性转换函数型式)回归模型【2引。因此，一般认为，应将不含隐层的网络模型归入回归分析中，技术己很成熟，没有必要在神经网络理论中再讨论之。16课题的意义和研究内容针对304和301
33、冷轧板带材出现性能不稳定等问题，通过成分、轧制工艺、退火工艺分析以及组织观测，了解造成性能不稳定的原因，并提出改进措施。采用BP神经网络理论，建立输入量为304不锈钢化学成分，轧制和热处理工艺参数，输出量为304不锈钢的材料性能的BP网络模型，在大量学习样本的基础上，结果表明该模型能够快速、准确、可靠地预测材料性能。将该模型应用于实践，能够很好的反映304不锈钢材料成分、冷轧和热处理工艺参数与其材料性能之间的关系，以及各参数对材料性能的影响情况。对一定厚度的304奥氏体不锈钢进行固熔退火，通过对硬度、延伸率、屈服强度、抗拉强度、屈服比的测量，以及金相组织的观测，寻求最佳的退火工艺，为实际生产提
34、供依据。内蒙古科技大学硕十学位论文2采用Bp神经网络对材料性能的研究21 BP神经网络模型确定BP网络的训练就是通过应用误差反传原理不断调整网络权值使网络模型输出值与已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值。虽然理论上早已经证明：具有1个隐层(采用Sigmoid转换函数)的BP网络可实现对任意函数的任意逼近。但遗憾的是，迄今为止还没有构造性结论，即在给定有限个(训练)样本的情况下，如何设计一个合理的BP网络模型并通过向所给的有限个样本的学习(训练)来满意地逼近样本所蕴含的规律(函数关系，不仅仅是使训练样本的误差达到很小)的问题，目前在很大程度上还需要依靠经验知识和设计者的经
35、验。因此，通过训练样本的学习(训练)建立合理的BP神经网络模型的过程，在国外被称为“艺术创造的过程”，是一个复杂而又十分烦琐和困难的过程p训。在BP网络中，隐层节点数的选择非常重要，它不仅对建立的神经网络模型的性能影响很大，而且是训练时出现“过拟合”的直接原因，但是目前理论上还没有一种科学的和普遍的确定方法。目前多数文献【35-36J中提出的确定隐层节点数的计算公式都是针对训练样本任意多的情况，而且多数是针对最不利的情况，一般工程实践中很难满足，不宜采用。事实上，各种计算公式得到的隐层节点数有时相差几倍甚至上百倍。为尽可能避免训练时出现“过拟合”现象，保证足够高的网络性能和泛化能力，确定隐层节
36、点数的最基本原则是：在满足精度要求的前提下取尽可能紧凑的结构，即取尽可能少的隐层节点数。研究表明，隐层节点数不仅与输入输出层的节点数有关，更与需解决的问题的复杂程度和转换函数的型式以及样本数据的特性等因素有关。22试验安排和试验结果分析试验采取了五种不同成分的304不锈钢，其成分C、Si、Mn、Cr、Ni，见表21。CLN过程是在十二辊高精度可逆式冷轧机上进行，根据设备性能情况，将轧制工艺参数设为效果最好的范围。轧后材料进行光亮式连续退火，退火后迅速冷却到室温。根据轧制工艺和热处理工艺特点，在同一成份下，选择六种不同的#LNSn退火工艺。内蒙古科技人学硕士学位论文表21 304不锈钢的材料成分
37、()试验材料304不锈钢经热轧后再进行冷轧，冷轧时考虑设备和工艺特点，采用合理的轧制道次和变形量，得到高精度的硬化板材，再采用合适的退火工艺进行退火处理。退火后进行抗拉强度(502(Mpa)、屈服强度(1b(Mpa)、延伸率()、硬度Hv、和晶粒度p,m(级)的测量。为了能够建立精确的预测材料性能模型，必须进行大量而全面的实验，选取的部分较精确的实验结果见表22。表22材料的性能表内蒙古科技火学硕士学位论文23 BP网络的拓扑结构传统BP算法采用梯度下降法使其权值和阀值的改变总是朝着误差变小的方向，最终达到最小误差。这种算法，存在收敛速度慢，训练时间长，目标函数易于陷入局部极小值的缺点，因此，
38、通过对传统BP网络性能的改进，选择LM方法对网络权值和阀值修正，建立预测材料性能的网络模型。一般地，BP网络的输入变量即为待分析系统的内生变量(影响因子或白变量)数，一般根据专业知识确定。若输入变量较多，一般可通过主成份分析方法压减输入变量，也可根据剔除某一变量引起的系统误差与原系统误差的比值的大小来压减输入变量。输出变量即为系统待分析的外生变量(系统性能指标或因变量)，可以是一个，也可以是多个。一般将一个具有多个输出的网络模型转化为多个具有一个输出的网络模型效果会更好，训练也更方便。由于BP神经网络的隐层一般采用Sigmoid转换函数，为提高训练速度和灵敏性以及有效避开Sigmoid函数的饱
39、和区，一般要求输入数据的值在01之间。最好使数据预处理后的值在0208之间剐。231输入层和输出层节点数确定优先考虑3层BP网络(即有1个隐层)。一般地，靠增加隐层节点数来获得较低的误差，其训练效果要比增加隐层数更容易实现。对于没有隐层的神经网络模型，实际上就是一个线性或非线性(取决于输出层采用线性或非线性转换函数型式)回归模型。确定隐层节点数的最基本原则是：在满足精度要求的前提下取尽可能紧凑的结构，即取尽可能少的隐层节点数。研究表明，隐层节点数不仅与输入输出层的节点数有关，更与需解决的问题的复杂程度和转换函数的型式以及样本数据的特性等因素有关。若隐层节点数太少，网络可能根本不能训练或网络性能
40、很差；若隐层节点数太多，虽然可使网络的系统误差减小，但一方面使网络训练时间延长，另一方面，训练容易陷入局部极小点而得不到最优点，也是训练时出现“过拟合”的内在原因。因此，合理隐层节点数应在综合考虑网络结构复杂程度和误差大小的情况下用节点删除法和扩张法确定。 输入层节点数是由模型需要解决的实际问题所决定的。本文为了精确预NIJ304不锈钢的材料性能，根据实验数据资料中材料成分，轧制工艺，退火工艺因子联合作用，内蒙古科技大学硕十学位论文能够较全面的反映材料性能状况。因此，本次建立的BP网络模型输入层包含15个输入节点。输出层节点数的确定与输入层节点数确定的出发点相同，本文实验指标为材料性能的五个指
41、标。因此，预测评价BP网络模型输出层节点数确定为5。隐含层节点数太少，局部极小点就多，网络的抗干扰能力不强，学习过程可能不收敛，导致训练失败。增加节点数可以改善网络训练性能，但是容易造成节点冗余，使训练时间过长，网络性能下降，误差也不一定最佳。因此，采用MATLAB编程的方法，确定最佳隐节点数，网络训练、测试结果，隐含层为18时，网络性能最好。232数据预处理采用BP神经网络方法建模的首要和前提条件是有足够多典型性好和精度高的样本。而且，为监控训练(学习)过程使之不发生“过拟合”和评价建立的网络模型的性能和泛化能力，必须将收集到的数据随机分成训练样本、检验样本(10以上)和测试样本(10以上)
42、3部分。此外，数据分组时还应尽可能考虑样本模式间的平衡。模型各个参数变量以及目标向量的绝对数值相差过大将在误差函数中起主导作用，使一些绝对数值小但影响很大的变量，在权值调整中得不到体现。因此，利用函数premnn_1x将各个变量的数值分别归化处理为同等地位(11)之问的数。233训练参数的确定网络训练参数直接影响着BP网络权值和阀值的调整幅度，为了更好的改善网络性能，根据参考文献【32】，将输入层到隐含层的传递函数确定为正切S型函数(tansig)，隐含层到输出层的传递函数为线性函数(purelin)。234合理网络模型的确定对同一结构的网络，由于BP算法存在多个局部极小点，因此，必须通过多次
43、(通常是几十次)改变网络初始连接权值求得相应的极小点，才能通过比较这些极小点的网络误差的大小，确定全局极小点，从而得到该网络结构的最佳网络连接权值。必须注意的是，神经网络的训练过程本质上是求非线性函数的极小点问题，因此，在全局极小点邻域内(即使网络误差相同)，各个网络连接权值也可能有较大的差异，这有时也会使各个输入变量的重要性发生变化，但这与具有多个零极小点(一般称为多模式现象)(如训练样本数少于连接权数时)的情况是截然不同的。此外，在不满足隐层节点数条件时，总可以求得训练样本误差很小或为零的极小点，但此时检验样本和内蒙古科技大学硕士学位论文测试样本的误差可能要大得多；若改变网络连接权初始值，
44、检验样本和测试样本的网络计算结果会产生很大变化，即多模式现象。对于不同的网络结构，网络模型的误差或性能和泛化能力也不一样。因此，还必须比较不同网络结构的模型的优劣。一般地，随着网络结构的变大，误差变小。通常，在网络结构扩大(隐层节点数增加)的过程中，网络误差会出现迅速减小然后趋于稳定的一个阶段，因此，合理隐层节点数应取误差迅速减小后基本稳定时的隐层节点数。总之，合理网络模型是必须在具有合理隐层节点数、训练时没有发生“过拟合”现象、求得全局极小点和同时考虑网络结构复杂程度和误差大小的综合结果。设计合理BP网络模型的过程是一个不断调整参数的过程，也是一个不断对比结果的过程，比较复杂且有时还带有经验
45、性。这个过程并不是有些作者想象的(实际也是这么做的)那样，随便套用一个公式确定隐层节点数，经过一次训练就能得到合理的网络模型(这样建立的模型极有可能是训练样本的错误反映，没有任何实用价值)。虽然神经网络的类型很多，建立神经网络模型时，根据研究对象的特点，可以考虑不同的神经网络模型。前馈型BP网络即误差逆传播神经网络是最常用、最流行的神经网络。BP网络的输入和输出关系可以看成是一种映射关系，即每一组输入对应一组输出。由于网络中神经元作用函数的非线性，网络实现是复杂的非线性映射。关于这类网络对非线性的逼近能力，Homik等分别利用不同的方法证明了如下一个事实：仅含有一个隐层的前向网络能以任意精度逼
46、近定义在Rn的一个紧集上的任意非线性函数。误差反向算法是最著名的多层前向网络训练算法，尽管存在收敛速度慢、局部极值等缺点，但可通过各种改进措施来提高它的收敛速度、克服局部极值现象，而且具有简单、易行、计算量小、并行性强等特点，目前仍是多层前向网络的首选算法。235网络模型的性能和泛化能力训练神经网络的首要和根本任务是确保训练好的网络模型对非训练样本具有好的泛化能力(推广性)，即有效逼近样本蕴含的内在规律，而不是看网络模型对训练样本的拟合能力。从存在性结论可知，即使每个训练样本的误差都很小(可以为零)，并不意味着建立的模型已逼近训练样本所蕴含的规律。因此，仅给出训练样本误差(通常是指均方根误差R
47、SME或均方误差、AAE或MAPE等)的大小而不给出qlEiIII练样本误差的大小是没有任何意义的。要分析建立的网络模型对样本所蕴含的规律的逼近情况(能力)，即泛化能力，应该也必须用非训练样本(本文称为检验样本和测试样本)误差的大小来表示和评价，这也是之所以必须将总样本分成训练样本和非训练样本而绝不能将全部样本用于网内蒙古科技大学硕士学位论文络训练的主要原因之一。判断建立的模型是否已有效逼近样本所蕴含的规律，最直接和客观的指标是从总样本中随机抽取的非训练样本(检验样本和测试样本)误差是否和训练样本的误差一样小或稍大。非训练样本误差很接近训练样本误差或比其小，一般可认为建立的网络模型已有效逼近训
48、练样本所蕴含的规律，否则，若相差很多(如几倍、几十倍甚至上千倍)就说明建立的网络模型并没有有效逼近训练样本所蕴含的规律，而只是在这些训练样本点上逼近而已，而建立的网络模型是对训练样本所蕴含规律的错误反映【j。因为训练样本的误差可以达到很小，因此，用从总样本中随机抽取的一部分测试样本的误差表示网络模型计算和预测所具有的精度(网络性能)是合理的和可靠的。值得注意的是，判断网络模型泛化能力的好坏，主要不是看测试样本误差大小的本身，而是要看测试样本的误差是否接近于训练样本和检验样本的误差。24 BP网络模型预测与结果分析241BP网络模型训练BP网络的训练就是通过应用误差反传原理不断调整网络权值使网络
49、模型输出值与已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值。虽然理论上早已经证明：具有1个隐层(采用Sigmoid转换函数)的BP网络可实现对任意函数的任意逼近。但遗憾的是，迄今为止还没有构造性结论，即在给定有限个(训练)样本的情况下，如何设计一个合理的BP网络模型并通过向所给的有限个样本的学习(训练)来满意地逼近样本所蕴含的规律(函数关系，不仅仅是使训练样本的误差达到很小)的问题，目前在很大程度上还需要依靠经验知识和设计者的经验。因此，通过训练样本的学习(训练)建立合理的BP神经网络模型的过程是一个复杂而又十分烦琐和困难的过程。由于BP网络采用误差反传算法，其实质是一个无约束的非线性最优化计算过程，在网络结构较大时不仅计算时间长，而且很容易限入局部极小点而得不到最优结果。目前虽已有改进BP法、遗传算法(GA)和模拟退火算法等多种优化方法用于BP
